基于胶囊的多尺度局部表示变换步态识别
计算机视觉与模式识别
2020-10-20 v1 机器学习
摘要
步态识别指基于个体行走方式进行的身份识别，由于摄像机视角与个体外观的变化，该任务极具挑战。当前的步态识别方法主要由深度学习模型主导，尤其是那些基于局部特征表示的方法。在此背景下，我们提出了一种新颖的深度网络，学习利用胶囊迁移多尺度局部步态表示，以获取更具判别力的步态特征。我们的网络首先使用最先进的深度局部特征提取器获得多尺度局部表示，随后利用双向门控循环单元（BGRU）在正向与反向方向上循环学习局部特征间模式的相关性与共现性。最后，采用胶囊网络学习更深层的局部-整体关系，并为更相关的特征分配更大权重，同时忽略伪维度。由此，我们获得的最终特征对视角与外观变化均更为鲁棒。我们的方法已在两个步态识别数据集 CASIA-B 与 OU-MVLP 上，使用四种具挑战性的测试协议进行了广泛测试。我们将方法结果与最先进的步态识别方案比较，显示出我们模型的优越性，尤其在面临困难视角与携带条件时。
引用
@article{arxiv.2010.09084,
title = {Gait Recognition using Multi-Scale Partial Representation Transformation with Capsules},
author = {Alireza Sepas-Moghaddam and Saeed Ghorbani and Nikolaus F. Troje and Ali Etemad},
journal= {arXiv preprint arXiv:2010.09084},
year = {2020}
}
备注
Accepted to International Conference on Pattern Recognition (ICPR) 2020